信息融合中的态势评估技术研究
| 作者简介 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-25页 |
| ·信息融合综述 | 第9-21页 |
| ·信息融合 | 第9-11页 |
| ·信息融合的模型 | 第11-14页 |
| ·态势评估 | 第14-17页 |
| ·信息融合及态势评估的国内外研究现状 | 第17-21页 |
| ·粗糙集综述 | 第21-23页 |
| ·研究背景 | 第21-22页 |
| ·粗糙集国内外研究现状 | 第22-23页 |
| ·本文的研究工作与组织结构 | 第23-25页 |
| 第二章 态势评估理论研究 | 第25-40页 |
| ·态势评估功能与框架 | 第25-28页 |
| ·态势评估功能模型 | 第25-27页 |
| ·态势评估实现框架 | 第27-28页 |
| ·态势知识获取方法 | 第28-31页 |
| ·基于事件模板驱动的态势推理模型 | 第31-39页 |
| ·态势要素组成 | 第31-33页 |
| ·事件的定义与分类 | 第33-34页 |
| ·态势知识的模板表示 | 第34-38页 |
| ·基于事件模板驱动的态势推理 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 基于粗糙集的态势知识约简研究 | 第40-80页 |
| ·引言 | 第40-42页 |
| ·粗糙集理论的基本概念 | 第42-49页 |
| ·粗糙集理论中的知识表示 | 第42-44页 |
| ·知识约简 | 第44-46页 |
| ·属性值约简 | 第46-49页 |
| ·基于二值化的差别矩阵约简 | 第49-53页 |
| ·差别矩阵 | 第49-50页 |
| ·属性值区分函数 | 第50-52页 |
| ·基于二值化差别矩阵的属性约简 | 第52-53页 |
| ·基于属性值树的属性约简 | 第53-64页 |
| ·属性值树 | 第53-57页 |
| ·基于属性值树结构的求核 | 第57-60页 |
| ·基于属性值树结构的属性约简 | 第60-63页 |
| ·算法复杂度分析 | 第63-64页 |
| ·基于属性值树的规则提取 | 第64-72页 |
| ·属性值约简 | 第64-70页 |
| ·改进的属性约简与属性值约简 | 第70-71页 |
| ·算法复杂度分析 | 第71-72页 |
| ·基于粗糙集的计划模板约简实例分析 | 第72-79页 |
| ·本章小结 | 第79-80页 |
| 第四章 基于直觉模糊与贝叶斯网络的态势评估 | 第80-105页 |
| ·引言 | 第80页 |
| ·直觉模糊集 | 第80-84页 |
| ·基本概念 | 第80-82页 |
| ·运算法则 | 第82-84页 |
| ·计划识别 | 第84-90页 |
| ·计划识别 | 第84-86页 |
| ·基于直觉模糊的计划识别方法 | 第86-87页 |
| ·实例分析 | 第87-90页 |
| ·贝叶斯网络 | 第90-93页 |
| ·贝叶斯网络定义 | 第90-92页 |
| ·贝叶斯网络学习的前提与分类 | 第92页 |
| ·贝叶斯网络特点与研究现状 | 第92-93页 |
| ·基于直觉模糊与贝叶斯网络的计划识别方法 | 第93-97页 |
| ·实例分析 | 第97-103页 |
| ·本章小结 | 第103-105页 |
| 第五章 总结与展望 | 第105-108页 |
| ·工作总结 | 第105-106页 |
| ·研究与展望 | 第106-108页 |
| 致谢 | 第108-109页 |
| 参考文献 | 第109-119页 |
| 攻读博士学位期间的研究成果 | 第119-120页 |
